问题标签 [dplyr]

我想在分组变量（“组”）的每个级别内计算数值变量（“值”）的mean（或长度为 1 的任何其他汇总统计数据，例如、min、max）。lengthsum

应将汇总统计量分配给与原始数据具有相同长度的新变量。也就是说，原始数据的每一行都应该有一个对应于当前组值的值——数据集不应该折叠到每组一行。例如，考虑 group ：mean

前

后

我试图在 R/S-PLUS 中一次性获得按分类列分组的多个汇总统计信息。我发现了几个函数，但它们每次调用都会做一个统计，比如aggregate().

我正在寻找的是在一次调用中获取同一组的多个统计信息，例如平均值、最小值、最大值、标准差等，这可行吗？

我有一个问题要解决如何在 R 中删除具有零值的行。另一方面，我可以na.omit()用来删除所有 NA 值或用于complete.cases()删除包含 NA 值的行。

有谁知道如何删除 R 中具有零值的行？

例如 ：

前

后

什么是 R 等价函数，如 Oracle ROW_NUMBER()、RANK()或DENSE_RANK()（“根据行的顺序为行分配整数值”；参见http://www.orafaq.com/node/55）？

我同意每个功能的功能都可以通过特殊方式实现。但我主要关心的是性能。为了内存和速度，最好避免使用连接或索引访问。

（通过对象关系映射，我的意思是这里描述的内容：维基百科：对象关系映射。）

以下是我在 R 中如何想象这项工作：一种“虚拟数据框”链接到数据库，并在访问时返回 SQL 查询的结果。例如，head(virtual_list)实际上会返回(select * from mapped_table limit 5)映射数据库的结果。

我找到了 John Myles White 的这篇文章，但过去 3 年似乎没有任何进展。

是否有实现此功能的工作包？

如果不，

1. 会有用吗？
2. 实现它的最佳方法是什么（S4？）？

假设，我在 10 年内有 5 个国家/地区的分数，例如：

现在，我想创建一个新变量“期间”，如果下一年的得分与上一年的得分相差 +/- 0.5，则该变量为 1，如果不正确，则为 0。我想为所有 5 个国家这样做。如果能够识别 period = 1 的国家/地区年份并将此信息显示在表格中，那就太好了。

我非常希望这不是太多的要求。我在中尝试过，dist但library(proxy)我不知道如何将函数限制为成对观察而不是整行。太感谢了！！

我有一个有两行的数据框：

有没有一种简单的方法来合并这两行？如果我在“346”中重命名“345”会怎样，这会让事情变得更容易吗？

我想这dplyr不仅仅是一个plyr问题。为了速度，我data.table在我编写的一些代码中使用。在中间步骤中，我有一个包含大约 32,000 行的基因组数据的表：

编辑

或者像这样的前一百行数据（感谢 Ricardo Saporta 的说明）

结束编辑

接下来我想创建每行与其他行的所有可能组合（按 chr 分组）。这将在其他一些数据上形成一个查询（连接），所以我认为最好（也是最简单）预先计算：

data.frame在我看来，这很慢……虽然与 using或 base 函数相比，by()或者lapply()它要快得多。然而，这实际上是我正在测试的一个小型数据集。

所以......我想知道是否有人对更快版本的outerFun有任何想法？？？有比rep()or更快的方法rep.int()吗？

我想用data.table一个非常简单的任务来完成一个大型数据集。

计算每个 ID 的 val1 和 val2 的平均值。

详情请参阅随附的假数据。

在这里，我想计算每个 ID，val1 和 val2 的平均值。

另请注意，在每个 ID 中，都有不同的级别。但是对于每个唯一 ID，我只想要一个表示合并不同级别 val1 和 val2 的意思。

--- 身份证 | 意思是 - -

-- ID1 | ...

-- ID2 | ...

-- ID3 | ...

我尝试了以下代码，但它不起作用。

但它不起作用。我知道怎么做reshape2，首先melt，然后dcast。

但是原始数据集比较大，20M行12个字段，计算时间比较长。

所以我更喜欢使用data.tableor dplyr。

我试图将我对 plyr 的理解转移到 dplyr 中，但我不知道如何按多列进行分组。

将 plyr 示例转换为 dplyr-esque 语法时，我缺少什么？

2017 年编辑：Dplyr 已更新，因此可以使用更简单的解决方案。查看当前选择的答案。